主要观点总结
文章介绍了在《我的世界》游戏中，不同大模型进行建筑PK的情况。包括新旧两版Claude 3.5 Sonnet的对比，其他模型的测试结果，以及MC Bench开源项目组的进展。文章还提到了人工智能在建筑设计中的创意性和实用性，并提到了2024人工智能年度评选的相关内容。
关键观点总结
关键观点1: 大模型在《我的世界》中的建筑PK
介绍了不同大模型在《我的世界》游戏中的建筑能力，包括Claude 3.5 Sonnet、OpenAI o1系列等，并描述了它们之间的建筑竞赛和测试结果。
关键观点2: MC Bench开源项目组的进展
描述了MC Bench开源项目组的计划，包括建立类似Lmsys大模型竞技场的天梯机制，人类用户投票记分排名等。
关键观点3: 人工智能的创意性和实用性
通过大模型在《我的世界》中的建筑表现，展示了人工智能的创意性和实用性。包括以塔为主题的自由发挥，太阳系方块排列等。
关键观点4: 2024人工智能年度评选
介绍了量子位2024人工智能年度评选的相关内容，包括报名截止时间、评选维度、奖项设置等。
文章预览
梦晨 发自 凹非寺 量子位 | 公众号 QbitAI 测评大模型Agent能力，从未如此直观。 新旧两版Claude 3.5 Sonnet在 《我的世界》 里PK盖楼，差距不要太明显，引来大量围观。 如果让AI不断迭代，甚至能盖出一片建筑群。 为了避免Claude团队糟糕的命名方式造成混淆，下面跟随adi暂且把“新版Claude 3.5 Sonnet”称为“Sonnet 3.6”。 作者 adi 戏称其为目前“唯一可靠的评测基准”。 Aidan Bench作者 Aidan McLau 认为评测基准界正需要这个，审美也与智力显著相关。 他甚至愿意 提供资金，把这个项目扩展成完整的评测。 总之在开源社区帮助下，代码迅速上架GitHub，更多模型测试结果陆续出炉中。 比如以慢思考著称的OpenAI o1系列，o1-preivew确实盖的更慢，但结构也更完整。o1-mini则无法胜任这个任务。 最终在 人类喜好评估（ 2000+网友投票 ） 中，Sonnet 3.6小赢了一手创意性。 如
………………………………
